改进深度强化学习算法的计算卸载策略

作者：葛海波; 弓海文; 宋兴; 李顺; 孙奥

来源：西安邮电大学学报, 2021, 26(06): 9-16.

DOI：10.13682/j.issn.2095-6533.2021.06.002

• 移动边缘计算
• 卸载决策
• 排队时延
• 深度强化学习
• 优先经验重放

为了降低移动边缘计算(Mobile Edge Computing, MEC)系统的成本、提高计算效率，提出了一种改进深度强化学习算法的计算卸载策略。在任务卸载执行的时延中引入排队时延的计算，利用优先经验重放(Prioritized Experience Replay, PER)方法对历史经验赋予优先级，优先采样高优先级的经验，以提高学习效率，快速、准确地做出合理卸载决策。仿真结果表明，与相关经典策略对比，改进算法的计算效率较高，系统总成本较低。

• 单位
  西安邮电大学; 电子工程学院